Fourier-Guided Multi-Scale Vision Transformer for Object-Independent Detection and Severity Grading of Rain-Induced Cracking in Sweet Cherry

甜樱桃是一种因其深邃的色泽、紧实的质地和短暂的季节而备受珍视的美味佳品，但其商业成功取决于一种脆弱的平衡。收获期附近的一次强降雨就能将优质作物变成损失。当水分停留在果皮上时，它会迫使果皮的保护性外层产生微小的裂纹，这些裂纹最初看起来可能无伤大雅，但会迅速引发腐烂和水分流失。几十年来，农民和包装商一直依赖肉眼来对这些水果进行分拣，这项任务不仅缓慢且具有主观性，还经常会漏掉那些至关重要的最细微的裂痕。这些肉眼看不见的缺陷，决定了一个水果是能够运往远方市场，还是必须被丢弃或用于加工。挑战不仅在于识别损伤，还在于理解裂纹并非单一的事物；它是一个从发丝般的细微裂缝到深层裂口的过程，且裂纹所在的位置会改变其危险程度。

为了解决这个问题，研究人员转向了一种新型计算机视觉技术，这种技术模仿了人类大脑如何从两个不同的角度同时观察问题。这种方法不仅仅是训练计算机去识别图像中的模式（如标准照片），而是教机器同时去“聆听”隐藏在图像中的数学频率。在图像的世界里，像光亮的樱桃表皮这样的平滑区域属于低频模式，而锐利的边缘、细线和微小的裂纹则会产生高频信号。通过将标准的视觉分析与这种基于频率的“听觉”相结合，科学家们构建了一个系统，能够捕捉到在肉眼可见之前最细微的异常迹象。这种方法最近在甜樱桃上进行了测试，以验证它是否能可靠地评定雨水造成的损伤等级，并精确绘制出裂纹的位置，从而为实现每一颗水果都能以完美的一致性接受检测提供了一个潜在的未来。

这项由研究团队开展的研究，重点在于开发一种能够处理现实世界中复杂情况的工具。他们收集了来自四个不同商业品种、生长在不同果园中的960颗樱桃。为了确保系统的测试公平，他们并没有只是拍摄随机的照片；他们为每一颗水果都拍摄了四个不同的视角，通过旋转展示所有侧面。其中一些樱桃是在雨后自然裂开的，而另一些则是通过在受控环境下进行浸水处理来制造出的，以涵盖从微小、几乎不可见的裂缝到深层、开放性伤口的广泛损伤范围。随后，每颗樱桃都在高倍显微镜下经过检查，以测量每条裂纹的确切长度和宽度，从而建立了一个严格的“金标准”真相，用以衡量计算机预测的准确性。研究人员根据皮肤破损的精确程度以及受影响的表面积大小，将损伤定义为四个等级：完好、微裂、中度损伤和严重损伤。

他们开发的计算机模型被称为“傅里叶引导的多尺度视觉 Transformer”（Fourier-guided multi-scale Vision Transformer），其工作原理是同时从两个截然不同的维度观察水果。首先，它进行常规的图像分析，将图像分解成小块，以理解水果的形状、果柄的位置以及整体颜色。这是“空间”视图，它告诉计算机物体在哪里。其次，它将图像转换为频率图，这是一种强调亮度变化和纹理变化的数学表示。第二个视图特别擅长捕捉裂纹那尖锐、锯齿状的线条，即使这些线条非常细微或被反光所遮蔽。该模型使用一种特殊的注意力机制，让频率信息来引导空间视图。这就像是计算机拥有了第二双眼睛，能够看到裂纹的“隐形振动”，并利用这些信息告诉第一双眼睛应该在哪里看得更仔细。这使得系统能够专注于那些在计算机尝试简化图像时通常会丢失的微小细节。

这种双重方法的实验结果令人瞩目。该系统正确识别了93.8%的水果损伤程度，这比仅进行视觉观察的模型有了显著提升。更重要的是，它在寻找微裂纹方面表现卓越——即那些人类最难察觉但对水果未来最具威胁性的细微裂缝。当研究人员测试系统绘制精确裂纹地图的能力时，它达到了极高的精度，即使在裂纹面积不足总表面积百分之零点几的情况下，也能成功勾勒出受损区域。该模型还具有很强的鲁棒性；即使在果柄部分遮挡水果、亮光产生干扰性反射或图像略微模糊的情况下，它依然表现出色。事实上，在复杂的照明条件下，新模型相较于旧方法保持了明显的优势，证明了基于频率的“听觉”有助于它看穿视觉噪声。

这项工作的最宝贵之处之一在于，计算机不仅给出一个最终等级，还会生成一张裂纹的可视化地图。这意味着操作员可以查看计算机的决策过程，并看到究竟是哪一部分导致了该结论。如果系统标记某个水果有损，操作员可以在屏幕上看到被高亮显示的裂纹，使整个过程透明且值得信赖。研究发现，计算机很少犯离谱的错误；当出错时，它通常是将“中度”裂纹误认为“严重”裂纹，或者将“微裂”误认为“中度”，而不是将健康的果实判定为损坏，或将损坏的果实判定为健康。这表明系统理解的是损伤的连续性，而非仅仅是分类猜测。研究人员还注意到，系统学会了忽略无关特征（如水果的颜色或背景），专注于结构性损伤，这对于必须在不同品种樱桃间通用的工具来说至关重要。

尽管该系统展现出了巨大的潜力，但研究人员也谨慎地指出了其目前的局限性。测试是在受控环境中进行的，使用了特定的相机和灯光，且水果是在理想条件下进行检查的。现实世界的包装流水线移动速度要快得多，而且水果可能会是湿润的、脏污的，或者以更难捕捉的方式移动。此外，研究使用了天然裂开的水果和人工浸水处理的水果，虽然这提供了广泛的损伤类型，但两种类型的细节表现可能并不完全一致。该系统也是基于四种特定品种的樱桃进行训练的，目前尚不清楚它在面对未见过的水果类型时表现如何。研究人员强调，在将这项技术投入商业包装厂之前，需要在更大规模、配备不同设备以及处于繁忙工厂车间的混乱环境下进行测试。

尽管存在这些障碍，这项研究仍为水果检测的未来指明了清晰的路径。通过结合“观察全局”与“聆听细节”的能力，这种新方法提供了一种既快速又极其精准的樱桃分拣方式。它超越了简单的计数或颜色分选，实现了对水果物理完整性的深度理解。对于种植者而言，这可能意味着更少的浪费和更高质量的果实到达货架。对于科学家而言，它提供了一种研究不同樱桃品种如何应对降雨的新方法，有助于培育更强韧的作物。这项工作证明，当我们教机器以多种方式观察世界时，我们可以揭示那些此前无法被看见的真相，将一张简单的樱桃图像转化为关于其健康与生命力的详细故事。